CHIMERA Challenge: Biochemical Recurrence Prediction in Prostate Cancer Patients using multimodal datasets
تقدم تحدي تشيميرا (CHIMERA Challenge) أول معيار عام ومعياري متعدد الوسائط للتنبؤ بالانتكاس البيوكيميائي في سرطان البروستاتا، مما يثبت أنه بينما تحقق المتغيرات السريرية أعلى دقة تنبؤية، فإن النماذج متعددة الوسائط التي تدمج بيانات التصوير والنسيج المرضي تقدم متانة فائقة عندما تكون التوصيفات المستمدة من الخبراء غير مكتملة أو غير متوفرة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
في أعقاب عملية جراحية لسرطان البروستاتا، يواجه الأطباء سؤالاً حرجاً: هل سيعود المرض؟ تكمن الإجابة غالباً في اختبار دم بسيط يقيس بروتيناً يسمى مستضد البروستاتا النوعي، أو (PSA). فبعد استئصال غدة البروستاتا، ينبغي لهذا البروتين أن يختفي من الدم. وإذا عاد للظهور، حتى بكميات ضئيلة، فإن ذلك يشير إلى أن الخلايا السرطانية قد نجت من العملية وهي تنمو مجدداً. هذا الحدث، المعروف باسم الانتكاس البيوكيميائي، هو علامة تحذير بأن السرطان قد ينتشر في النهاية إلى أجزاء أخرى من الجسم. ولعقود من الزمن، توقع الأطباء هذه المخاطر من خلال الجمع بين عمر المريض، ونتائج اختبار الدم الأولية، وتقرير مفصل كتبه اختصاصي علم الأمراض الذي فحص الأنسجة المستأصلة تحت المجهر. وتعد هذه التقارير هي المعيار الذهبي، لكنها تعتمد على خبراء بشريين لترجمة الأنماط الخلوية المعقدة إلى بضعة أرقام رئيسية. ومع بدء الذكاء الاصطناعي في قراءة الصور الطبية مباشرة، برز سؤال جديد: هل يمكن للحاسوب أن يتعلم التنبؤ بهذا الانتكاس بمجرد النظر إلى الصور الخام للأنسجة وفحوصات الجسم، دون الحاجة إلى الملاحظات التلخيصية للخبير البشري؟
وضع فريق من الباحثين من هولندا وشركاء دوليين حداً لهذا التساؤل من خلال تنظيم مسابقة عالمية تسمى تحدي "CHIMERA". لقد جمعوا مجموعة فريدة من البيانات لـ 267 مريضاً خضعوا لجراحة استئصال البروستاتا في مستشفيين. ولكل مريض، قاموا بتجميع ملف رقمي كامل: صور الرنين المغناطيسي للحوض قبل الجراحة، وشرائح رقمية لأنسجة البروستاتا الفعلية المصبوغة بصبغات وردية وأرجوانية، وقائمة بتفاصيل المريض القياسية مثل العمر ومستويات اختبار الدم. والأهم من ذلك، أنهم أدرجوا الملاحظات المحددة والمستمدة من الخبراء التي يكتبها اختصاصيو علم الأمراض عادةً، مثل درجة الخلايا السرطانية وما إذا كان الورم قد اخترق الحافة الخارجية للعضو. وكان الهدف هو معرفة ما إذا كانت نماذج الذكاء الاصطناعي قادرة على التنبؤ بالوقت حتى عودة السرطان باستخدام كل هذه الأنواع المختلفة من المعلومات معاً، أم أنها ستؤدي بشكل أفضل باستخدام ملاحظات الخبراء فقط.
قدمت ستة فرق من جميع أنحاء العالم خوارزمياتها للمسابقة. وكانت النتائج مفاجئة؛ إذ لم تكن النماذج التي حققت أفضل أداء في الاختبار النهائي هي تلك التي حاولت تحليل الصور الطبية المعقدة. بدلاً من ذلك، اعتمدت أفضل ثلاثة نماذج أداءً حصرياً على البيانات المهيكلة: عمر المريض، ومستويات اختبار الدم، والملاحظات المحددة التي كتبها اختصاصيو علم الأمراض. حققت هذه النماذج مستوى عالياً من الدقة في تصنيف المرضى حسب خطر الانتكاس لديهم. أما الفرق التي حاولت بناء أنظمة معقدة تجمع بين صور الرنين المغناطيسي وصور الأنسجة مع بيانات المريض، فلم تتفوق على هذه النماذج الأبسط القائمة على الملاحظات. وفي الواقع، أخفقت نماذج تحليل الصور الأكثر تطوراً في تحقيق أعلى الدرجات.
ومع ذلك، لا تنتهي القصة عند لوحة الصدارة. أراد الباحثون فهم سبب معاناة النماذج القائمة على الصور، وما إذا كانت عاجزة حقاً عن التعلم من الصور. وللكشف عن ذلك، أجروا سلسلة من التجاروهات حيث قاموا عمداً بإزالة ملاحظات الخبراء من البيانات. فعندما غدوا النماذج البسيطة القائمة على الملاحظات بمجموعة بيانات تم فيها خلط النتائج الرئيسية لاختصاصي علم الأمراض أو استبدالها بقيم عشوائية، فشلت النماذج تماماً؛ حيث انهار قدرتها على التنبؤ بالانتكاس إلى مستوى التخمين العشوائي. وقد أثبت هذا أن نجاح النماذج المتصدرة كان يعتمد كلياً على الملخص البشري الخبير، وليس على عمر المريض أو اختبارات الدم وحدها.
وعندما طبق الباحثون الاختبار نفسه على النماذج متعددة الوسائط — وهي النماذج التي تنظر إلى الصور — وجدوا قصة مختلفة. فعندما تمت إزالة ملاحظات الخبراء من هذه النماذج، انخفض أداؤها بشكل طفيف فقط؛ وظلت أفضل بكثير من التخمين العشوائي، محتفظة بجزء كبير من قدرتها على التنبؤ بالانتكاس. وهذا يشير إلى أن الذكاء الاصطناعي كان يتعلم بالفعل شيئاً مفيداً مباشرة من صور الرنين المغناطيسي وصور الأنسجة، ولكن كان يتم التغطية عليه بواسطة المعلومات المركزة والقوية التي قدمها اختصاصيو علم الأمضاء البشر. كانت الصور تحتوي على القرائن اللازمة، لكن ملاحظات البشر كانت واضحة وموجزة لدرجة جعلت مهمة الحاسوب تبدو سهلة، بينما كان على الحاسوب العمل بجهد أكبر بكثير لإيجاد نفس الأنماط في البكسلات الخام.
كما اختبر الباحثون كيف تعمل القطع المختلفة من المعلومات معاً. ووجدوا أن صور الرنين المغناطيسي، عند استخدامها بمفردها، لم تكن جيدة جداً في التنبؤ بالانتكاس. ومع ذلك، عندما دمجت صور الرنين المغناطيسي مع صور الأنسجة، تحسن التنبؤ. ومع ذلك، عندما أضيفت صور الرنين المغناطيسي إلى نموذج يحتوي بالفعل على المجموعة الكاملة من ملاحظات الخبراء، لم تضف الصور أي قيمة إضافية. كانت ملاحظات الخبراء غنية بالمعلومات لدرجة جعلت الصور فائضة عن الحاجة. وهذا يشير إلى أن الأنواع المختلفة من البيانات ليست مجرد معلومات تراكمية؛ فقيمة نوع واحد من المعلومات تعتمد بشدة على المعلومات الأخرى المتوفرة بالفعل.
تخلص الدراسة إلى أنه على الرغم من قدرة الذكاء الاصطناعي على تعلم التنبؤ بانتكاس السرطان مباشرة من الصور الطبية، إلا أنه لا يمكنه حالياً مضاهاة أداء النماذج التي تستخدم ملخصات الخبراء البشر، على الأقل ليس مع كمية البيانات المتاحة في هذا التحدي المحدد. ويشير الباحثون إلى أن هذه الفجوة موجودة لأن اختصاصيي علم الأمراض قد قضوا عقوداً في صقل قدرتهم على استخراج أهم الإشارات من الأنسجة، مما خلق ملخصاً مركزاً يتسم بكفاءة عالية. في المقابل، تحاول نماذج الذكاء الاصطناعي تعلم هذه الإشارات من الصفر باستخدام عدد قليل نسبياً من حالات المرضى. وتشير النتائج إلى أنه مع نمو مجموعات البيانات وتنوعها، قد يتعلم الذكاء الاصطناعي في النهاية استخراج هذه الإشارات مباشرة من الصور، مما يقلل الحاجة إلى الملخصات الخبيرة اليدوية. أما في الوقت الحالي، تظل ملاحظات الخبير البشري هي الأداة الأكثر قوة للتنبؤ بما إذا كان سرطان البروستاتا سيعود، لتكون بمثابة معيار لم تستطع التكنولوجيا الجديدة تجاوزه بعد.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.